大數(shù)據(jù)是近年來快速發(fā)展的技術(shù)領(lǐng)域。關(guān)于大數(shù)據(jù)的研究與應(yīng)用與日俱增，并不斷深入影響社會(huì)生活。購(gòu)物推薦、路況分析乃至高考預(yù)測(cè)等與大眾密切相關(guān)的應(yīng)用，充分展現(xiàn)了大數(shù)據(jù)的力量。2016年3月，AlphaGo與李世石的人機(jī)大戰(zhàn)，讓人們從更深層次上認(rèn)識(shí)了大數(shù)據(jù)驅(qū)動(dòng)下的人工智能對(duì)人類社會(huì)的深層影響。根據(jù)大數(shù)據(jù)版圖(Big Data Landscape)3.0版本的描繪，大數(shù)據(jù)相關(guān)基礎(chǔ)設(shè)施、分析工具和應(yīng)用系統(tǒng)都在快速發(fā)展中[1]。這個(gè)逐年擴(kuò)展的圖景表明了大數(shù)據(jù)的疆域正在不斷延展，領(lǐng)域應(yīng)用不斷深化，影響力與日俱增。

在教育領(lǐng)域中，大數(shù)據(jù)已經(jīng)在多方面引起了研究者和實(shí)踐者的關(guān)注。無論是從研究范式、技術(shù)應(yīng)用，還是實(shí)踐案例都在快速發(fā)展之中。教育大數(shù)據(jù)正在成為教育領(lǐng)域不可忽視的新型驅(qū)動(dòng)力，在教育教學(xué)研究與實(shí)踐中發(fā)揮著越來越重要的作用。

作為一個(gè)新興領(lǐng)域，大數(shù)據(jù)技術(shù)仍在快速迭代之中，新方法、新工具和新模式不斷涌現(xiàn)。在教育大數(shù)據(jù)這個(gè)細(xì)分領(lǐng)域之中，在契合大數(shù)據(jù)發(fā)展整體趨勢(shì)的同時(shí)，具有自身的鮮明特性。在教育大數(shù)據(jù)日趨矚目的今天，在研究大數(shù)據(jù)技術(shù)的基礎(chǔ)上，分析教育大數(shù)據(jù)的定義內(nèi)涵、實(shí)踐范例、發(fā)展趨勢(shì)與面臨挑戰(zhàn)，有助于我們把握教育大數(shù)據(jù)的整體圖景，因應(yīng)技術(shù)發(fā)展，推動(dòng)教育的系統(tǒng)化變革。

一、大數(shù)據(jù)技術(shù)的發(fā)展趨勢(shì)

大數(shù)據(jù)技術(shù)的緣起，可以回溯到2004年谷歌公司提出的MapReduce模型[2]。在十幾年時(shí)間里，大數(shù)據(jù)技術(shù)從概念走向應(yīng)用，形成了以Hadoop為代表的一整套技術(shù)。時(shí)至今日，大數(shù)據(jù)技術(shù)仍在快速發(fā)展之中，無論是基礎(chǔ)框架、分析技術(shù)，還是應(yīng)用系統(tǒng)都在不斷演變和完善。據(jù)統(tǒng)計(jì)，2015年美國(guó)大數(shù)據(jù)初創(chuàng)企業(yè)獲得的融資額達(dá)到了66.4億美元，占整個(gè)技術(shù)領(lǐng)域總?cè)谫Y額的11%。這代表著大數(shù)據(jù)領(lǐng)域具有蓬勃的活力并受到市場(chǎng)的肯定。大數(shù)據(jù)技術(shù)的發(fā)展方向是技術(shù)發(fā)展與應(yīng)用需求相互推進(jìn)的結(jié)果，對(duì)大數(shù)據(jù)技術(shù)趨勢(shì)的分析，有助于從更本質(zhì)的層面理解這個(gè)領(lǐng)域的現(xiàn)狀。

(一)基礎(chǔ)架構(gòu)

歷經(jīng)多年發(fā)展，大數(shù)據(jù)基礎(chǔ)設(shè)施正在向著快速、便捷與整合的方向發(fā)展。Hadoop框架是大數(shù)據(jù)分析的重要基礎(chǔ)框架。但它存在著計(jì)算速度慢、運(yùn)維復(fù)雜等問題。基于Hadoop衍生出了如Spark、Pig等框架，正在不斷提升計(jì)算性能和優(yōu)化處理流程。與Hadoop相比，Spark的抽象層次更高，計(jì)算速度更快，編程更加簡(jiǎn)便。更重要的是，Spark提供了統(tǒng)一的數(shù)據(jù)平臺(tái)，通過不同的模塊支持了不同類型的數(shù)據(jù)應(yīng)用。通過Spark Core支持批處理，通過Spark SQL支持?jǐn)?shù)據(jù)交互，通過Spark Streaming支持流式存儲(chǔ)，通過MLlib支持機(jī)器學(xué)習(xí)，通過GrphaX支持圖計(jì)算[3]。

在大數(shù)據(jù)基礎(chǔ)設(shè)施中，各種新技術(shù)不斷產(chǎn)生，數(shù)據(jù)湖(Data Lake)和霧計(jì)算(Fog Computing)分別從數(shù)據(jù)的集中與分布的不同角度給出了解決方案。數(shù)據(jù)湖是大型的基于對(duì)象的存儲(chǔ)庫(kù)，數(shù)據(jù)以其原始格式存儲(chǔ)。不需要對(duì)數(shù)據(jù)進(jìn)行轉(zhuǎn)換，就可以進(jìn)行全面的監(jiān)控和分析，并建立數(shù)據(jù)模型。與一般意義的數(shù)據(jù)匯聚不同，數(shù)據(jù)湖不需要改變?cè)紨?shù)據(jù)的結(jié)構(gòu)，而是支持分析原始數(shù)據(jù)。這個(gè)方式消除了數(shù)據(jù)抽取、轉(zhuǎn)換和加載ETL的成本。為了達(dá)到不改變數(shù)據(jù)結(jié)構(gòu)直接存儲(chǔ)和技術(shù)的目標(biāo)，數(shù)據(jù)湖對(duì)元數(shù)據(jù)有很高的要求。目前，數(shù)據(jù)湖技術(shù)仍在起步階段，還存在原始數(shù)據(jù)差別大、類型復(fù)雜、分析應(yīng)用困難等問題。但它有助于企業(yè)完成更長(zhǎng)遠(yuǎn)的數(shù)據(jù)規(guī)劃，建立數(shù)據(jù)治理結(jié)構(gòu)，并預(yù)先解決安全問題[4]。數(shù)據(jù)湖與一般大數(shù)據(jù)匯集方式的對(duì)比，如表1所示。

與數(shù)據(jù)湖側(cè)重?cái)?shù)據(jù)的聚集不同，霧計(jì)算則提出了一種分布式解決方案。霧計(jì)算這一名詞最早來自網(wǎng)絡(luò)安全領(lǐng)域，后來由思科(Cisco)公司借用，并賦予了分布式計(jì)算的含義。思科將霧解釋為“更貼近地面的云”，霧計(jì)算是云計(jì)算的延伸。與云計(jì)算不同，霧計(jì)算并非由性能強(qiáng)大的服務(wù)器組成，而是由性能較弱、更為分散的各類計(jì)算模塊和智能網(wǎng)絡(luò)設(shè)置組成，這些低延遲且有能力進(jìn)行位置感知的模塊可以融入各類基礎(chǔ)設(shè)施，乃至生活用品[5]。

可以預(yù)見，隨著物聯(lián)網(wǎng)的不斷發(fā)展，來自各類終端的數(shù)據(jù)量會(huì)激增。面對(duì)這一情況，云計(jì)算的瓶頸可能會(huì)凸顯。在霧計(jì)算中，數(shù)據(jù)、分析和應(yīng)用都集中在網(wǎng)絡(luò)的終端節(jié)點(diǎn)，只在需要的時(shí)候匯集到云中。云計(jì)算與霧計(jì)算的對(duì)比，如表2所示。

霧計(jì)算將計(jì)算能力延伸到了網(wǎng)絡(luò)的邊緣的各類智能設(shè)備。在這種模式下，智能設(shè)備的管理與交互就變得非常重要。比如，比特幣的底層技術(shù)“區(qū)塊鏈”(Block Chain)形成了行動(dòng)登記、權(quán)屬確認(rèn)和智能管理模式。這為通過網(wǎng)絡(luò)實(shí)現(xiàn)各種智能終端和設(shè)備實(shí)現(xiàn)自我管理和智能交互，提供了新的技術(shù)支持[6]。

數(shù)據(jù)湖和霧計(jì)算著眼于大數(shù)據(jù)的源頭和終端，從分布和集中兩個(gè)角度提供了解決方案。誠(chéng)然，這些方案需要通過實(shí)踐進(jìn)行檢驗(yàn)。但總體而言，數(shù)據(jù)湖和霧計(jì)算代表著大數(shù)據(jù)分析基礎(chǔ)設(shè)施的發(fā)展趨勢(shì)，即采用更靈活的方式獲取和處理終端數(shù)據(jù)，合理分布計(jì)算負(fù)載，對(duì)核心數(shù)據(jù)進(jìn)行廣泛匯集，通過定制標(biāo)準(zhǔn)實(shí)現(xiàn)數(shù)據(jù)治理。

(二)分析技術(shù)

分析技術(shù)是基于大數(shù)據(jù)進(jìn)行模型構(gòu)建，并進(jìn)行評(píng)價(jià)、推薦和預(yù)測(cè)等具體應(yīng)用的基礎(chǔ)。大數(shù)據(jù)分析技術(shù)在近年得到快速發(fā)展，智能化、實(shí)時(shí)化和易用性成為了分析技術(shù)的發(fā)展特征。

1.智能化

在分析技術(shù)方面，大數(shù)據(jù)與機(jī)器學(xué)習(xí)相結(jié)合形成的新型人工智能，已經(jīng)成為近年最引人矚目的趨勢(shì)。大數(shù)據(jù)與機(jī)器學(xué)習(xí)正讓數(shù)據(jù)分析在統(tǒng)計(jì)分析的基礎(chǔ)上，更快速地實(shí)現(xiàn)智能關(guān)系發(fā)現(xiàn)和預(yù)測(cè)，如圖1所示。AlphaGo就是這一趨勢(shì)的典型應(yīng)用范例。在海量數(shù)據(jù)的基礎(chǔ)上，以深度學(xué)習(xí)為代表的創(chuàng)新算法，通過大規(guī)模并行計(jì)算，不斷迭代演化，最終形成了能夠戰(zhàn)勝人類的數(shù)據(jù)智能。

　　圖1 數(shù)據(jù)與算法迭代演化形成數(shù)據(jù)智能

大數(shù)據(jù)與機(jī)器學(xué)習(xí)整合所實(shí)現(xiàn)的人工智能，其意義不限于特定的領(lǐng)域應(yīng)用，而是實(shí)現(xiàn)了一般性人工智能技術(shù)的突破。這一突破將在醫(yī)療、交通、金融和教育等為代表的各個(gè)應(yīng)用領(lǐng)域產(chǎn)生重大影響。從更為廣闊的角度，以智慧城市為代表的智能化系統(tǒng)解決方案，預(yù)示著智能化大數(shù)據(jù)技術(shù)綜合應(yīng)用的未來前景。由各類設(shè)備和傳感器獲得的數(shù)據(jù)，可以成為智能化分析的數(shù)據(jù)來源?；诖髷?shù)據(jù)的機(jī)器學(xué)習(xí)在完成海量數(shù)據(jù)匯集與分析的同時(shí)，不斷演化、提高自身智能水平。數(shù)據(jù)分析結(jié)果驅(qū)動(dòng)智慧城市各個(gè)組成部分的智能化活動(dòng)，基于數(shù)據(jù)智能的新型技術(shù)架構(gòu)，為未來城市的智慧生活奠定了基礎(chǔ)。

2.實(shí)時(shí)化

實(shí)時(shí)分析是大數(shù)據(jù)技術(shù)的另一個(gè)發(fā)展方向。隨著大數(shù)據(jù)技術(shù)的深入發(fā)展，各類應(yīng)用對(duì)于數(shù)據(jù)的實(shí)時(shí)分析和處理的要求不斷提高。與針對(duì)歷史數(shù)據(jù)的聚合和分析不同，實(shí)時(shí)數(shù)據(jù)分析具有更強(qiáng)的時(shí)效性，也對(duì)數(shù)據(jù)存儲(chǔ)、計(jì)算和呈現(xiàn)提出了更高要求。Hadoop中的批處理框架在對(duì)實(shí)效性要求較高的分析，例如，實(shí)時(shí)用戶行為分析、用戶分類和推薦等應(yīng)用場(chǎng)景中的局限日益凸顯。Spark Streaming、Samza、Storm等流式實(shí)時(shí)計(jì)算框架應(yīng)運(yùn)而生。以Spark Streaming為代表的實(shí)時(shí)分析框架具有優(yōu)秀的調(diào)度機(jī)制，快速的分布式計(jì)算能力，在數(shù)據(jù)的匯聚和批處理之間通過關(guān)鍵參數(shù)建立平衡，提升了數(shù)據(jù)吞吐量和性能，對(duì)實(shí)時(shí)計(jì)算提供了有效支持[7]。實(shí)時(shí)性預(yù)示著大數(shù)據(jù)將更深度地融入人們的工作和生活之中，在交通、翻譯等需要及時(shí)響應(yīng)的領(lǐng)域中，大數(shù)據(jù)會(huì)體現(xiàn)出更強(qiáng)大的作用。

3.易用性

近年來，隨著技術(shù)的不斷成熟，大數(shù)據(jù)應(yīng)用的門檻不斷降低。Google、微軟等巨頭不斷推出大數(shù)據(jù)技術(shù)平臺(tái)。我國(guó)互聯(lián)網(wǎng)三巨頭百度、阿里和騰訊分別推出了百度開放云、阿里數(shù)加和騰訊大數(shù)據(jù)平臺(tái)，在應(yīng)用技術(shù)方面提供了全面的支持。從數(shù)據(jù)匯集、模型構(gòu)建到可視化應(yīng)用方面都提供了高質(zhì)量的解決方案。并且，這些分析框架中存在很多優(yōu)秀的開源項(xiàng)目，如，Caffe、Torch等[8]。Google為Tensor Flow的開源分析工具提供了一個(gè)重要選擇，Tensor Flow的開發(fā)者來自Google Brain團(tuán)隊(duì)，它整合了Google在搜索引擎、電子郵件和翻譯、圖像識(shí)別等方面的分析成果。并且應(yīng)用了數(shù)據(jù)圖技術(shù)(Data Flow Graphic)將模型構(gòu)建過程和產(chǎn)品開發(fā)緊密結(jié)合，在完成建模實(shí)驗(yàn)之后就可以直接將代碼應(yīng)用到產(chǎn)品中。易用性為大數(shù)據(jù)在垂直領(lǐng)域的應(yīng)用鋪平了道路。

(三)領(lǐng)域應(yīng)用

在基礎(chǔ)框架和應(yīng)用技術(shù)的支持之下，大數(shù)據(jù)在各個(gè)領(lǐng)域中的應(yīng)用也在不斷快速地深入發(fā)展，展現(xiàn)出了領(lǐng)域應(yīng)用深化與融合、可視化應(yīng)用廣泛和產(chǎn)業(yè)生態(tài)鏈萌發(fā)的特征。

1.領(lǐng)域深化與融合

大數(shù)據(jù)在方法論層面上影響著多個(gè)領(lǐng)域的研究與實(shí)踐[9-11]，作為新的研究范式影響著眾多學(xué)科。在各個(gè)領(lǐng)域應(yīng)用中，大數(shù)據(jù)作為基礎(chǔ)方法與工具有著一定的普適性，也具有鮮明的領(lǐng)域特征與領(lǐng)域差異。數(shù)據(jù)不同于金融、交通、零售等領(lǐng)域有著較為明確的量化指標(biāo)作為機(jī)器學(xué)習(xí)的依據(jù)。在教育等社會(huì)科學(xué)相關(guān)領(lǐng)域中，大數(shù)據(jù)分析模型建立過程中形成的類量化指標(biāo)往往很難獲得。這就使得教育領(lǐng)域的模型構(gòu)建具有了一定的獨(dú)特性。同時(shí)，教育教學(xué)自身的周期性和復(fù)雜性，也為模型構(gòu)建提出了新的挑戰(zhàn)。

隨著大數(shù)據(jù)的發(fā)展，領(lǐng)域應(yīng)用將逐步深入。在各個(gè)領(lǐng)域中需要借助領(lǐng)域知識(shí)，針對(duì)領(lǐng)域問題進(jìn)行深層次研究與實(shí)踐。在此過程中，以數(shù)據(jù)為橋梁，各個(gè)領(lǐng)域的融合將成為可能。例如，始于氣象系統(tǒng)的DMSP/OLS夜間燈光數(shù)據(jù)，已經(jīng)在遙感測(cè)繪、城市規(guī)劃、人口估計(jì)、國(guó)民經(jīng)濟(jì)測(cè)算、能源消耗以及生態(tài)環(huán)境影響評(píng)估方面取得了令人矚目的成果[12]。基于大數(shù)據(jù)，各個(gè)領(lǐng)域自身發(fā)生深刻變化的同時(shí)，領(lǐng)域之間的比較出現(xiàn)加速融合的趨勢(shì)。大數(shù)據(jù)技術(shù)在領(lǐng)域內(nèi)的深入發(fā)展，和領(lǐng)域間的融合發(fā)展將日趨重要。

2.可視化應(yīng)用

可視化是大數(shù)據(jù)應(yīng)用的呈現(xiàn)層面，直接面向終端用戶，并通過各類應(yīng)用場(chǎng)景服務(wù)各類人群。數(shù)據(jù)可視化可以通過多種方式實(shí)現(xiàn)，從較為底層的R語言Ggplot擴(kuò)展包、D3函數(shù)庫(kù)，到SPSS Modeler、Tableau等數(shù)據(jù)分析和可視化工具。數(shù)據(jù)可視化的方法和工具種類繁多，近年來，可視化工具的應(yīng)用門檻不斷降低。SAP、Tableau等重量級(jí)數(shù)據(jù)分析企業(yè)都推出了移動(dòng)端數(shù)據(jù)可視化工具。以SAP的Roambi為例，只需要導(dǎo)入數(shù)據(jù)集，選擇模板，Roambi就能夠馬上完成精美的可視化圖表并支持互動(dòng)[13]。Tableau不僅推出了Tableau Mobile支持移動(dòng)端數(shù)據(jù)分析，還通過Tableau Public和Desktop等工具，構(gòu)建了包含桌面分析、在線發(fā)布和移動(dòng)應(yīng)用的整體可視化方案[14]。

在各類工具支持下，數(shù)據(jù)可視化的應(yīng)用門檻大大降低，為更加廣泛的應(yīng)用奠定了基礎(chǔ)。數(shù)據(jù)可視化作為大數(shù)據(jù)技術(shù)的表現(xiàn)層，是數(shù)據(jù)分析與洞察的“最后一英里”。隨著這個(gè)環(huán)節(jié)的不斷優(yōu)化與人性化，數(shù)據(jù)分析的廣泛應(yīng)用指日可待。

3.生態(tài)鏈萌發(fā)

2015年8月，國(guó)務(wù)院發(fā)布的《促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要》，將大數(shù)據(jù)定位于推動(dòng)經(jīng)濟(jì)轉(zhuǎn)型發(fā)展的新動(dòng)力，重塑國(guó)家競(jìng)爭(zhēng)優(yōu)勢(shì)的新機(jī)遇以及提升政府治理能力的新途徑[15]?！洞龠M(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要》成為了大數(shù)據(jù)產(chǎn)業(yè)發(fā)展的政策依據(jù)，必將對(duì)大數(shù)據(jù)產(chǎn)業(yè)發(fā)展起到催化作用。大數(shù)據(jù)產(chǎn)業(yè)的資金投入、基礎(chǔ)設(shè)施、數(shù)據(jù)標(biāo)準(zhǔn)、應(yīng)用平臺(tái)、區(qū)域?qū)嵺`必將呈現(xiàn)加速發(fā)展趨勢(shì)。同時(shí)，正如前文所述，大型互聯(lián)網(wǎng)企業(yè)如百度、阿里和騰訊等，已經(jīng)在大數(shù)據(jù)領(lǐng)域發(fā)力，并開始構(gòu)建基礎(chǔ)設(shè)施、制定標(biāo)準(zhǔn)、推廣應(yīng)用，在各個(gè)應(yīng)用領(lǐng)域的大數(shù)據(jù)實(shí)踐也在快速開展。

可見，在政策重點(diǎn)支持、工具平臺(tái)日漸成熟、領(lǐng)域應(yīng)用不斷深入的合力之下，大數(shù)據(jù)產(chǎn)業(yè)鏈正逐步形成，生態(tài)體系正在孕育之中。生態(tài)鏈將催生一系列數(shù)據(jù)標(biāo)準(zhǔn)，形成多種整合型技術(shù)路線，打通原始數(shù)據(jù)到終端應(yīng)用，將大數(shù)據(jù)應(yīng)用推向新的層次。

二、教育大數(shù)據(jù)的含義

教育大數(shù)據(jù)的含義，需要從數(shù)據(jù)和技術(shù)兩個(gè)層面進(jìn)行解析。在引用較多的大數(shù)據(jù)定義中，維基百科定義[16]和麥肯錫(McKinsey)定義[17]都強(qiáng)調(diào)了大數(shù)據(jù)的量，無法用常見數(shù)據(jù)工具處理；而高德納(Gartner)定義則著眼于數(shù)據(jù)的特性與價(jià)值[18]。為了解析教育大數(shù)據(jù)的真正意義，需要對(duì)教育大數(shù)據(jù)的構(gòu)成和特性進(jìn)行分析。

在教育大數(shù)據(jù)的構(gòu)成方面，在線學(xué)習(xí)的數(shù)據(jù)首當(dāng)其沖?？梢哉f教育大數(shù)據(jù)的廣受關(guān)注，與在線教與學(xué)的盛行有著密不可分的關(guān)系。在舍恩伯格的《與大數(shù)據(jù)同行——學(xué)習(xí)和教育的未來》一書中，第一個(gè)大數(shù)據(jù)教育應(yīng)用案例就來自在線學(xué)習(xí)。隨著在線教學(xué)的日益普及，在教與學(xué)過程中，由學(xué)習(xí)管理系統(tǒng)和各類移動(dòng)設(shè)備所記錄下來的各類海量數(shù)據(jù)，成為分析教學(xué)過程的重要來源。這些數(shù)據(jù)包括記錄學(xué)習(xí)過程的行為數(shù)據(jù)，記錄學(xué)習(xí)結(jié)果的評(píng)價(jià)數(shù)據(jù)，以及學(xué)習(xí)形成的社會(huì)網(wǎng)絡(luò)關(guān)系數(shù)據(jù)等。由這些數(shù)據(jù)拓展開來，教育大數(shù)據(jù)還包含著各類學(xué)生個(gè)人信息數(shù)據(jù)、教學(xué)管理數(shù)據(jù)等。可見，教育大數(shù)據(jù)來自于教育教學(xué)的主體和過程。

依照不同層級(jí)的主體和教育教學(xué)活動(dòng)的各項(xiàng)內(nèi)容，教育大數(shù)據(jù)可以分為四個(gè)層次和六大類型。四個(gè)層次包括個(gè)體、學(xué)校、區(qū)域和國(guó)家；六大類型包括基礎(chǔ)數(shù)據(jù)、教學(xué)數(shù)據(jù)、科研數(shù)據(jù)、管理數(shù)據(jù)、服務(wù)數(shù)據(jù)和輿情數(shù)據(jù)。其中，基礎(chǔ)數(shù)據(jù)包括以人口學(xué)為代表的學(xué)習(xí)者基本信息數(shù)據(jù)；教學(xué)數(shù)據(jù)包括教學(xué)過程中涉及的過程、內(nèi)容和結(jié)果數(shù)據(jù)；科研數(shù)據(jù)包括各類教育教學(xué)實(shí)驗(yàn)與科研項(xiàng)目當(dāng)中所獲得的數(shù)據(jù)；管理數(shù)據(jù)包括各類教育管理系統(tǒng)當(dāng)中所記錄下來的數(shù)據(jù)，如，學(xué)生的學(xué)籍?dāng)?shù)據(jù)、檔案數(shù)據(jù)和各類統(tǒng)計(jì)數(shù)據(jù)等等；服務(wù)數(shù)據(jù)包括各類與教育教學(xué)相關(guān)的服務(wù)系統(tǒng)當(dāng)中記錄的數(shù)據(jù)，如，各類師生生活服務(wù)、圖書檔案服務(wù)等等；輿情數(shù)據(jù)包括各類公開媒體中與教育相關(guān)的數(shù)據(jù)，如，各類教育新聞數(shù)據(jù)、微博等社會(huì)網(wǎng)絡(luò)系統(tǒng)中教育相關(guān)數(shù)據(jù)等。

從特征的角度看，大數(shù)據(jù)的特點(diǎn)往往被概括為4V，包括海量規(guī)模(Volume)、快速流轉(zhuǎn)(Velocity)、多樣構(gòu)成(Variety)和巨大價(jià)值(Value)。教育大數(shù)據(jù)的特征與4V既有重合又有不同：首先，從規(guī)模上看，教育大數(shù)據(jù)的體量尚未達(dá)到零售業(yè)、電信業(yè)等領(lǐng)域的規(guī)模，但已經(jīng)超出了傳統(tǒng)數(shù)據(jù)工具的處理能力。其次，從流動(dòng)速度的角度，教育大數(shù)據(jù)流轉(zhuǎn)速度相對(duì)較慢，并不像交易數(shù)據(jù)、搜索數(shù)據(jù)或通訊數(shù)據(jù)具有快速流轉(zhuǎn)的特性。相應(yīng)地，教育教學(xué)的周期性決定了教育大數(shù)據(jù)具有典型的周期性。進(jìn)而從數(shù)據(jù)構(gòu)成方面看，教育大數(shù)據(jù)中非結(jié)構(gòu)化數(shù)據(jù)，特別是音視頻數(shù)據(jù)占很大比重。這些數(shù)據(jù)來自課堂錄像、教學(xué)資源等，不同于傳統(tǒng)數(shù)據(jù)庫(kù)記錄的數(shù)據(jù)，具有一定的分析復(fù)雜性。同時(shí)與電商等領(lǐng)域中步驟清晰、結(jié)果明確、周期較短的交易活動(dòng)不同，教育教學(xué)活動(dòng)具有更高的過程復(fù)雜性。通過教育大數(shù)據(jù)分析發(fā)現(xiàn)規(guī)律也就更為困難?？梢娊逃髷?shù)據(jù)的特征可以概括為強(qiáng)周期性、高復(fù)雜性和巨大價(jià)值。

綜上所述，我們可以把教育大數(shù)據(jù)定義為：服務(wù)教育主體和教育過程，具有強(qiáng)周期性和巨大教育價(jià)值的高復(fù)雜性數(shù)據(jù)集合，具體如圖2所示。

　　圖2 教育大數(shù)據(jù)的構(gòu)成

三、教育大數(shù)據(jù)的應(yīng)用

對(duì)于教育大數(shù)據(jù)的應(yīng)用，研究者從不同的角度提出了各自的思考。祝智庭教授從研究范式的角度，提出了大數(shù)據(jù)對(duì)教育技術(shù)研究方法的啟示，并著重強(qiáng)調(diào)了數(shù)據(jù)支持下的自適應(yīng)學(xué)習(xí)。鄭燕林和柳海民認(rèn)為，教育大數(shù)據(jù)的應(yīng)用主要是對(duì)教育評(píng)價(jià)和教育教學(xué)決策的支持[19]。胡弼成和王祖霖將大數(shù)據(jù)應(yīng)用總結(jié)為通過評(píng)價(jià)和預(yù)測(cè)促進(jìn)教學(xué)有效性，基于變化的教育形式和復(fù)雜關(guān)系推動(dòng)教育決策的科學(xué)性，完整、全面、動(dòng)態(tài)的質(zhì)量監(jiān)控體系[20]。楊現(xiàn)民等研究者認(rèn)為，教育大數(shù)據(jù)應(yīng)用可以分為政策科學(xué)化、區(qū)域教育均衡、學(xué)校教育質(zhì)量提升、課程體系與教學(xué)效果最優(yōu)化、個(gè)體的個(gè)性化發(fā)展等層面[21]。

大數(shù)據(jù)對(duì)教育領(lǐng)域的沖擊是全面性的。它能夠改變個(gè)體學(xué)習(xí)者的學(xué)習(xí)狀況、對(duì)教育規(guī)律的認(rèn)識(shí)深度、教育政策的制定方式，乃至整個(gè)教育系統(tǒng)的結(jié)構(gòu)。從需求的角度，教育大數(shù)據(jù)的應(yīng)用可以概括為五個(gè)層次，即學(xué)習(xí)、教學(xué)、研究、管理與政策。學(xué)習(xí)層與教學(xué)層需求著眼于適應(yīng)性學(xué)習(xí)；研究層需求著眼于發(fā)現(xiàn)教育教學(xué)規(guī)律；管理層需求著眼于精細(xì)管理和科學(xué)決策；政策層需求來自獲得機(jī)制設(shè)計(jì)依據(jù)，如圖3所示。

　　圖3 教育大數(shù)據(jù)的應(yīng)用

針對(duì)不同層次的需求，教育大數(shù)據(jù)應(yīng)用形成了各種產(chǎn)品和服務(wù)。從適應(yīng)性教學(xué)到動(dòng)態(tài)跟蹤測(cè)評(píng)，從管理模型構(gòu)建到數(shù)據(jù)共享門戶，各種類型的應(yīng)用勾勒出了大數(shù)據(jù)影響教育領(lǐng)域的整體圖景。

我們不妨通過國(guó)際范圍內(nèi)典型的技術(shù)、產(chǎn)品和服務(wù)，從適應(yīng)性教學(xué)、教育規(guī)律發(fā)現(xiàn)和精準(zhǔn)管理支持三個(gè)方面，對(duì)有較大影響的教育大數(shù)據(jù)國(guó)際應(yīng)用進(jìn)行分析，以期對(duì)我國(guó)教育大數(shù)據(jù)發(fā)展應(yīng)用提供借鑒。

(一)適應(yīng)性教學(xué)支持

適應(yīng)性教與學(xué)是教學(xué)的最優(yōu)化狀態(tài)。適應(yīng)性教學(xué)中的內(nèi)容、方法和過程都可以根據(jù)學(xué)習(xí)者的狀況來進(jìn)行定制，讓每個(gè)學(xué)習(xí)者都有可能獲得適合自己的最大程度的發(fā)展。適應(yīng)性教學(xué)的實(shí)現(xiàn)，需要基于學(xué)習(xí)者的個(gè)體特征和學(xué)習(xí)狀況的全面分析。大數(shù)據(jù)為追蹤和整合這些數(shù)據(jù)，并對(duì)學(xué)生進(jìn)行個(gè)性化支持提供了可能，如圖4所示。

　　圖4 適應(yīng)性教學(xué)的構(gòu)成

最為常見的適應(yīng)性教學(xué)系統(tǒng)來自在線學(xué)習(xí)領(lǐng)域。在各種學(xué)習(xí)管理系統(tǒng)和在線學(xué)習(xí)平臺(tái)中，學(xué)習(xí)者的學(xué)習(xí)過程能夠得到完整記錄。學(xué)習(xí)過程的記錄結(jié)合人口學(xué)和學(xué)習(xí)風(fēng)格等學(xué)習(xí)者特征數(shù)據(jù)，可以清晰地表征學(xué)習(xí)者的學(xué)習(xí)路徑和學(xué)習(xí)者特征，在有效記錄學(xué)習(xí)過程、綜合評(píng)價(jià)學(xué)習(xí)狀況的基礎(chǔ)上，進(jìn)行診斷和推薦，開展有針對(duì)性的教學(xué)。

適應(yīng)性學(xué)習(xí)支持幾乎已經(jīng)成了在線學(xué)習(xí)的“標(biāo)配”，在每一個(gè)商業(yè)在線學(xué)習(xí)平臺(tái)中，都有不同程度的適應(yīng)性。內(nèi)容推薦是適應(yīng)性的一種主要形式。然而，真正有效的適應(yīng)性教學(xué)系統(tǒng)需要整合三個(gè)系統(tǒng)，即知識(shí)系統(tǒng)、行為系統(tǒng)和特征系統(tǒng)。通過知識(shí)系統(tǒng)來描繪知識(shí)體系；通過行為系統(tǒng)來記錄學(xué)習(xí)、練習(xí)和反饋過程；通過特征系統(tǒng)去分析學(xué)生的個(gè)體特征和學(xué)習(xí)特質(zhì)。

當(dāng)前，最具代表意義的適應(yīng)性學(xué)習(xí)系統(tǒng)當(dāng)屬Knewton和可汗學(xué)院(Kehan Academy)。此類適應(yīng)性學(xué)習(xí)系統(tǒng)重點(diǎn)支持了學(xué)生的學(xué)。學(xué)習(xí)系統(tǒng)試圖扮演教師的角色，對(duì)學(xué)生的學(xué)習(xí)進(jìn)行自動(dòng)化記錄、診斷和干預(yù)。適應(yīng)性學(xué)習(xí)的另一個(gè)層面是對(duì)教師教的支持。應(yīng)當(dāng)看到，目前的學(xué)習(xí)系統(tǒng)還存在諸多局限，在MOOCs發(fā)展的初期，教師是否會(huì)被在線課堂所替代曾經(jīng)成為一個(gè)引人矚目的話題。然而，教師作為教育過程中的關(guān)鍵角色，不可能在短時(shí)間消失，而是會(huì)借助技術(shù)實(shí)現(xiàn)專業(yè)水平提升和角色轉(zhuǎn)變。大數(shù)據(jù)將成為教師教學(xué)的強(qiáng)大助手，幫助教師更好地發(fā)揮自身作用，更好地促進(jìn)學(xué)生的學(xué)習(xí)。

在大數(shù)據(jù)技術(shù)支持下，教師可以根據(jù)自身的需求對(duì)學(xué)生的學(xué)習(xí)進(jìn)行監(jiān)測(cè)，并通過自己設(shè)定的標(biāo)準(zhǔn)，對(duì)學(xué)生進(jìn)行自動(dòng)化或半自動(dòng)化的評(píng)價(jià)。在數(shù)據(jù)的支持下，教師可以結(jié)合自身的教學(xué)經(jīng)驗(yàn)對(duì)學(xué)生進(jìn)行診斷和干預(yù)。在教師的訓(xùn)練下，大數(shù)據(jù)工具將對(duì)教師的教提供更有力的支持。大數(shù)據(jù)工具將成為教師最好的幫手，而不是競(jìng)爭(zhēng)者。

以Masteryconnect為例，Masteryconnect對(duì)教師的教提供了全面的數(shù)據(jù)化支持，它從教師的日常工作出發(fā)，提供了數(shù)據(jù)采集、分析、呈現(xiàn)和基于數(shù)據(jù)的協(xié)作支持。教師可以在其支持下采集各種教學(xué)數(shù)據(jù)，包括課堂觀察數(shù)據(jù)、答題卡數(shù)據(jù)、量表數(shù)據(jù)和在線測(cè)試數(shù)據(jù)。在采集數(shù)據(jù)之后，Masteryconnect可以進(jìn)行自動(dòng)化分析和可視化呈現(xiàn)。分析的結(jié)果可以通過該系統(tǒng)分享給其他教師，教師可以在數(shù)據(jù)的基礎(chǔ)上進(jìn)行交流和協(xié)作。Masteryconnect為各種形成性評(píng)價(jià)提供了全面的支持，教師可以自行建立教學(xué)內(nèi)容的結(jié)構(gòu)，并為各個(gè)模塊和知識(shí)點(diǎn)設(shè)計(jì)問卷、練習(xí)、試卷等各種測(cè)評(píng)方式。測(cè)評(píng)可以發(fā)布到PC和移動(dòng)設(shè)備，學(xué)生可以選擇自己喜歡的方式完成測(cè)評(píng)。同時(shí)，測(cè)評(píng)結(jié)果可以形成定制報(bào)告，并發(fā)送給家長(zhǎng)[22]。

對(duì)教與學(xué)的支持是大數(shù)據(jù)在適應(yīng)性學(xué)習(xí)中應(yīng)用的兩個(gè)側(cè)面。基于數(shù)據(jù)，學(xué)生的學(xué)習(xí)狀態(tài)得以完整記錄，學(xué)習(xí)系統(tǒng)可以推送定制化內(nèi)容，教師可以開展更具針對(duì)性的教學(xué)?？梢姡瑪?shù)據(jù)正在改變著線上和線下的教學(xué)過程。

(二)教育規(guī)律發(fā)現(xiàn)

教育研究是一項(xiàng)復(fù)雜的系統(tǒng)性研究。長(zhǎng)期以來，小樣本量、個(gè)案研究對(duì)教育規(guī)律探索起到了重要作用。而教育大數(shù)據(jù)的引入，大大拓展了教育規(guī)律探索的視角。圖靈獎(jiǎng)得主吉姆·格雷在《第四范式：數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)》一書中，提出了一種新型研究范式，即數(shù)據(jù)密集型研究，這將成為大數(shù)據(jù)時(shí)代教育研究的利器之一。

換言之，在大數(shù)據(jù)的驅(qū)動(dòng)下，教育研究將出現(xiàn)不同的態(tài)勢(shì)，通過挖掘、分析教育大數(shù)據(jù)，研究者可以量化學(xué)習(xí)過程，表征學(xué)習(xí)狀態(tài)，發(fā)現(xiàn)影響因素，找到干預(yù)策略，從更深的層次揭示教育規(guī)律。誠(chéng)然，規(guī)律發(fā)現(xiàn)并非易事。但可以肯定的是，在多來源、大體量數(shù)據(jù)的基礎(chǔ)上，通過技術(shù)手段進(jìn)行數(shù)據(jù)匯集和共享，組織研究者進(jìn)行群體協(xié)作，開展大量能夠進(jìn)行標(biāo)準(zhǔn)化，具有對(duì)比意義的研究，最終更易發(fā)現(xiàn)真實(shí)的教育規(guī)律，如圖5所示。

這里可以通過對(duì)美國(guó)的三個(gè)大數(shù)據(jù)教育應(yīng)用的案例，即“預(yù)測(cè)分析報(bào)告項(xiàng)目(Predictive Analytics Reporting，PAR)、數(shù)據(jù)商店(Data Shop)和Data.gov”的介紹與分析，充分了解大數(shù)據(jù)標(biāo)準(zhǔn)化研究和數(shù)據(jù)門戶對(duì)教育規(guī)律探索的意義。

美國(guó)的預(yù)測(cè)分析報(bào)告項(xiàng)目(PAR)對(duì)高校學(xué)生的學(xué)習(xí)狀況進(jìn)行了全面分析，在學(xué)生輟學(xué)等重要風(fēng)險(xiǎn)的預(yù)測(cè)方面進(jìn)行了探索。從2011年開始，該項(xiàng)目與美國(guó)的高校合作，建立了標(biāo)準(zhǔn)化數(shù)據(jù)收集框架，通過對(duì)學(xué)生學(xué)習(xí)數(shù)據(jù)的收集和分析，發(fā)現(xiàn)影響因子并構(gòu)建預(yù)測(cè)模型。該項(xiàng)目分析的原始數(shù)據(jù)包括學(xué)生人口學(xué)數(shù)據(jù)、教學(xué)管理數(shù)據(jù)、學(xué)習(xí)過程數(shù)據(jù)、成績(jī)數(shù)據(jù)和學(xué)生財(cái)務(wù)信息數(shù)據(jù)等。通過分析，該項(xiàng)目建立了通用分析標(biāo)準(zhǔn)和風(fēng)險(xiǎn)預(yù)測(cè)模型，并為各個(gè)學(xué)校提供了定制化風(fēng)險(xiǎn)因素模型。迄今，PAR已經(jīng)服務(wù)351家院校，分析了超過2000萬條課程數(shù)據(jù)。PAR也為學(xué)校分析學(xué)生學(xué)業(yè)表現(xiàn)提供了綜合視角，為防止學(xué)生輟學(xué)提供了有效手段[23]。

教育大數(shù)據(jù)研究需要大量匯集數(shù)據(jù)，數(shù)據(jù)匯集需要大量研究者的群策群力，也需要行之有效的組織機(jī)制。匹茲堡大學(xué)學(xué)習(xí)科學(xué)中心(Pittsburgh Science of Learning Center)的數(shù)據(jù)商店(Data Shop)，是美國(guó)自然科學(xué)基金支持建立的學(xué)習(xí)科學(xué)數(shù)據(jù)庫(kù)。經(jīng)過十多年的建設(shè)，已經(jīng)成為全球最大的學(xué)習(xí)數(shù)據(jù)分享社區(qū)[24]。數(shù)據(jù)商店具有數(shù)據(jù)存儲(chǔ)和數(shù)據(jù)分析兩大類功能：一方面，它為全球?qū)W習(xí)科學(xué)研究者提供安全的數(shù)據(jù)存儲(chǔ)與共享工具；另一方面，它提供了數(shù)據(jù)分析工具和調(diào)用接口，便于分析應(yīng)用。數(shù)據(jù)商店中的數(shù)據(jù)，分為公開數(shù)據(jù)和私有數(shù)據(jù)，研究者可以根據(jù)需要選擇自己的數(shù)據(jù)是否要公開。數(shù)據(jù)商店中的數(shù)據(jù)，包括教學(xué)軟件應(yīng)用數(shù)據(jù)、在線課程數(shù)據(jù)、智能教學(xué)系統(tǒng)(Intelligent Tutoring Systems)、虛擬實(shí)驗(yàn)室數(shù)據(jù)、協(xié)作學(xué)習(xí)系統(tǒng)數(shù)據(jù)等。在數(shù)據(jù)匯集和分享功能的基礎(chǔ)上，數(shù)據(jù)商店提供了豐富的數(shù)據(jù)分析功能，支持探索性統(tǒng)計(jì)分析和數(shù)據(jù)挖掘，提供Web Service支持遠(yuǎn)程調(diào)用，以及R語言、Excel等工具的接口。

美國(guó)教育部在教育研究與實(shí)踐數(shù)據(jù)匯集方面開展了大量工作，匯集了大量數(shù)據(jù)。截至2016年5月，在其數(shù)據(jù)門戶Data.gov中，匯聚的數(shù)據(jù)包含了325個(gè)大型數(shù)據(jù)集。數(shù)據(jù)包含范圍很廣，涉及人口統(tǒng)計(jì)、學(xué)習(xí)成績(jī)、貸款情況、校園安全等情況。Data.gov針對(duì)各類數(shù)據(jù)提供了多種數(shù)據(jù)格式，同時(shí)，提供了在線數(shù)據(jù)分析功能，它可以實(shí)現(xiàn)靈活便捷的在線數(shù)據(jù)可視化。同時(shí)，Data.gov還為每個(gè)數(shù)據(jù)集提供了API，便于外部調(diào)用與分析。

由此可見，大數(shù)據(jù)分析對(duì)于教育研究及規(guī)律的發(fā)現(xiàn)意義重大。上述三個(gè)案例——預(yù)測(cè)分析報(bào)告項(xiàng)目、數(shù)據(jù)商店和Data.gov，對(duì)于我們利用大數(shù)據(jù)研究教育現(xiàn)象、發(fā)現(xiàn)與探索教育規(guī)律，有著重要的借鑒意義。因?yàn)橐?guī)律的發(fā)現(xiàn)，需要針對(duì)特定研究主題進(jìn)行長(zhǎng)期研究，需要大量標(biāo)準(zhǔn)化數(shù)據(jù)支持，需要對(duì)基于數(shù)據(jù)的研究與協(xié)作作廣泛支持。對(duì)于重要的教育研究主題，設(shè)定數(shù)據(jù)標(biāo)準(zhǔn)，進(jìn)行長(zhǎng)期縱向跟蹤和廣泛橫向比較研究，是探索教育規(guī)律的有效途徑。同時(shí)，還需要建立更加通暢的數(shù)據(jù)分享渠道，通過開放，最大化實(shí)現(xiàn)數(shù)據(jù)的應(yīng)用價(jià)值，以便為研究提供更加廣泛的支持。

(三)精準(zhǔn)管理支持

在學(xué)校和教育機(jī)構(gòu)中，管理者時(shí)常面對(duì)無法及時(shí)掌握教學(xué)與管理綜合狀況的困境。這也導(dǎo)致了教育管理常常是粗放的、由直覺驅(qū)動(dòng)的現(xiàn)狀。數(shù)據(jù)對(duì)于學(xué)校和教育機(jī)構(gòu)的精準(zhǔn)管理和科學(xué)決策，可以起到重要的支持、調(diào)節(jié)作用?；跀?shù)據(jù)的管理，需要通過匯集各類管理與教學(xué)數(shù)據(jù)，構(gòu)建多維模型。以Learnsprout、Calarity、Altschool等為代表的數(shù)據(jù)化管理應(yīng)用，體現(xiàn)了數(shù)據(jù)建模對(duì)于精準(zhǔn)管理的重要支撐作用，如圖6所示。

　　圖6 數(shù)據(jù)支持下管理模型構(gòu)建

Learnsprout能夠整合學(xué)生信息系統(tǒng)和學(xué)習(xí)管理系統(tǒng)的數(shù)據(jù)，對(duì)學(xué)生日常表現(xiàn)進(jìn)行監(jiān)測(cè)，通過構(gòu)建模型對(duì)學(xué)生綜合狀況進(jìn)行分析，并對(duì)管理和教學(xué)提出建議。例如，Learnsprout能夠?qū)Ω咧袑W(xué)生進(jìn)入大學(xué)的準(zhǔn)備情況等進(jìn)行評(píng)價(jià)，對(duì)存在問題的學(xué)生進(jìn)行早期預(yù)警，提出教學(xué)干預(yù)建議，并評(píng)估干預(yù)效果。Learnsprout不僅提供了自動(dòng)化分析，還建立了有教育專家和數(shù)據(jù)專家構(gòu)成的團(tuán)隊(duì)對(duì)數(shù)據(jù)進(jìn)行深入挖掘，并形成分析報(bào)告。Learnsprout已經(jīng)在美國(guó)42個(gè)州、200多個(gè)學(xué)區(qū)的2500多所學(xué)校中得以廣泛應(yīng)用。該公司于2016年1月被蘋果公司收購(gòu)，這也從一個(gè)側(cè)面說明了市場(chǎng)對(duì)其應(yīng)用效果的認(rèn)可。

Calarity是通過構(gòu)建模型提供管理支持的另一個(gè)典型案例。Calarity旨在評(píng)估學(xué)校應(yīng)用信息化技術(shù)促進(jìn)教學(xué)的狀況，并提出改進(jìn)建議。它針對(duì)學(xué)校師生的技術(shù)應(yīng)用情況，采集了280個(gè)數(shù)據(jù)點(diǎn)，建立82個(gè)變量，形成21個(gè)指標(biāo)，進(jìn)而聚合成了4個(gè)維度，分別為課堂學(xué)習(xí)、技術(shù)應(yīng)用、信息化技能和信息化環(huán)境[25]。在模型化數(shù)據(jù)分析的基礎(chǔ)上，Calarity對(duì)存在的問題進(jìn)行了分析和診斷，并提出了解決方案建議。

Altschool是學(xué)校層次上進(jìn)行整體性數(shù)據(jù)采集、分析與應(yīng)用的代表。這所由前谷歌工程師Max Ventilla創(chuàng)辦的學(xué)校，將教育教學(xué)和工程化思維密切結(jié)合，將提供個(gè)性化的教育作為辦學(xué)宗旨。在教育教學(xué)過程中采用全方位數(shù)據(jù)采集和分析，成為了這所學(xué)校提供適應(yīng)性教與學(xué)的重要依據(jù)和支撐。Altschool構(gòu)建了獨(dú)特的信息化基礎(chǔ)設(shè)施進(jìn)行數(shù)據(jù)采集，它為教室設(shè)計(jì)的Alt Video系統(tǒng)，通過各種傳感器、攝像頭和麥克風(fēng)采集學(xué)生行為數(shù)據(jù)，這些數(shù)據(jù)每天都將被分析，用來改進(jìn)教學(xué)過程和教學(xué)系統(tǒng)。Altschool還開發(fā)了Stream等教學(xué)系統(tǒng)和移動(dòng)應(yīng)用，在支持教學(xué)過程的同時(shí)，其基于數(shù)據(jù)開展教學(xué)研究，并通過研究結(jié)果支持教學(xué)和管理。不同于傳統(tǒng)教育研究，Altschool的研究周期非常短，教學(xué)設(shè)計(jì)更新以周為單位，教學(xué)管理調(diào)整速度極快?？焖俚墓こ袒季S、系統(tǒng)化信息技術(shù)環(huán)境支持、完整的數(shù)據(jù)采集與分析，構(gòu)成了Altschool在精準(zhǔn)教學(xué)管理方面的整體解決方案。

可見，通過系統(tǒng)化數(shù)據(jù)采集，采用科學(xué)方法建立的數(shù)據(jù)模型，可以幫助教育管理者對(duì)學(xué)校和機(jī)構(gòu)的管理狀況進(jìn)行持續(xù)動(dòng)態(tài)監(jiān)控和綜合性評(píng)價(jià)。在數(shù)據(jù)支持下，管理者能夠更容易地發(fā)現(xiàn)管理和教學(xué)問題，設(shè)計(jì)可能的解決方案，并追蹤問題解決的成效。

四、教育大數(shù)據(jù)所面臨的挑戰(zhàn)

教育大數(shù)據(jù)領(lǐng)域方興未艾，既具有巨大的發(fā)展?jié)摿?，又面臨著諸多的挑戰(zhàn)。我們認(rèn)為，這些挑戰(zhàn)包括數(shù)據(jù)標(biāo)準(zhǔn)、數(shù)據(jù)采集、模型構(gòu)建、產(chǎn)品服務(wù)和開放共享和隱私保護(hù)等方面，具體如圖7所示。

　　圖7 教育大數(shù)據(jù)應(yīng)用所面對(duì)的挑戰(zhàn)

(一)數(shù)據(jù)標(biāo)準(zhǔn)有待完善

大數(shù)據(jù)分析需要多來源、多類型數(shù)據(jù)的匯集，數(shù)據(jù)匯集需要建立統(tǒng)一標(biāo)準(zhǔn)與規(guī)范。教育部于2012年發(fā)布了《教育管理信息教育管理基礎(chǔ)代碼》等七個(gè)教育信息化行業(yè)標(biāo)準(zhǔn)，對(duì)教育管理、行政管理、教育統(tǒng)計(jì)、中小學(xué)、中職學(xué)校和高等學(xué)校管理的信息進(jìn)行了規(guī)范。這一規(guī)范，雖然對(duì)統(tǒng)一教育管理信息有著重要意義。然而，教學(xué)環(huán)境、教學(xué)過程相關(guān)數(shù)據(jù)標(biāo)準(zhǔn)尚存大量空白。同時(shí)，近年來在線教育蓬勃發(fā)展，其數(shù)據(jù)標(biāo)準(zhǔn)也尚未建立。上述標(biāo)準(zhǔn)的缺失，成為了教育大數(shù)據(jù)有效應(yīng)用的瓶頸。

(二)數(shù)據(jù)采集覆蓋面窄

“十二五”期間，我國(guó)教育管理公共服務(wù)平臺(tái)基本建成，教育管理數(shù)據(jù)的收集具備了較好的條件。但其他教育教學(xué)數(shù)據(jù)，特別是教學(xué)過程數(shù)據(jù)的采集，尚存在較大不足。現(xiàn)有在線學(xué)習(xí)平臺(tái)在設(shè)計(jì)上，往往并未考慮數(shù)據(jù)分析的需要，對(duì)教與學(xué)過程的記錄不夠完整，對(duì)數(shù)據(jù)的分析應(yīng)用造成了困難。近年來，各高校和部分中小學(xué)開始進(jìn)行智慧校園建設(shè)，傳感器、Wifi網(wǎng)絡(luò)、移動(dòng)設(shè)備等技術(shù)手段，為更全面的數(shù)據(jù)采集提供了一些條件。但在現(xiàn)有智慧校園建設(shè)中，對(duì)數(shù)據(jù)應(yīng)用尚缺乏整體設(shè)計(jì)，對(duì)數(shù)據(jù)采集的支持還遠(yuǎn)遠(yuǎn)不夠。

(三)模型構(gòu)建專業(yè)性不足

數(shù)據(jù)模型是對(duì)教學(xué)與管理進(jìn)行有效監(jiān)測(cè)、評(píng)價(jià)、診斷和預(yù)測(cè)的核心支持。從教學(xué)的適應(yīng)性到管理決策支持，都需要通過科學(xué)的模型來支撐。但在現(xiàn)階段模型構(gòu)建過程中，教育大數(shù)據(jù)模型構(gòu)建的專業(yè)化水平明顯不足。一方面，教育研究成果沒有得到很好地應(yīng)用，教育領(lǐng)域?qū)＜抑R(shí)應(yīng)用明顯不足；另一方面，前沿?cái)?shù)據(jù)分析方法與技術(shù)的應(yīng)用不足，未能有效借助通用大數(shù)據(jù)技術(shù)的力量。

(四)產(chǎn)品服務(wù)單一

在我國(guó)教育領(lǐng)域中，以網(wǎng)龍、科大訊飛、猿題庫(kù)、優(yōu)答、一起作業(yè)、學(xué)堂在線為代表的企業(yè)，都開始對(duì)教育數(shù)據(jù)的分析與應(yīng)用展開探索。但總體而言，目前，我國(guó)教育大數(shù)據(jù)相關(guān)應(yīng)用主要聚焦于適應(yīng)性教學(xué)，題庫(kù)類產(chǎn)品居多，缺乏管理類的應(yīng)用，對(duì)于教學(xué)決策的支持不足。同時(shí)，教育數(shù)據(jù)分析應(yīng)用在功能上較為單一，所采用的分析方法也有一定局限，統(tǒng)計(jì)分析仍占有很大的比重，缺乏高水平產(chǎn)品與服務(wù)。

(五)開放共享尚未形成

教育大數(shù)據(jù)的重要價(jià)值，首先來自于其數(shù)據(jù)的大規(guī)模和全面性，規(guī)模的形成需要廣泛的數(shù)據(jù)共享與開放。當(dāng)前，行之有效的數(shù)據(jù)共享開放和應(yīng)用規(guī)則尚未建立，所以，還需要建立有效的資源共享機(jī)制，通過多種途徑匯聚教學(xué)，研究和管理數(shù)據(jù)，擴(kuò)大數(shù)據(jù)的規(guī)模，才能形成教育大數(shù)據(jù)的獨(dú)特優(yōu)勢(shì)。

(六)隱私保護(hù)有待完善

教育大數(shù)據(jù)涉及龐大規(guī)模的受教育者與教育者群體。對(duì)于這些人群，特別是對(duì)于大量的未成年學(xué)生而言，隱私保護(hù)至關(guān)重要。所以，應(yīng)當(dāng)從法律上明確、規(guī)范公開數(shù)據(jù)與私有數(shù)據(jù)的邊界，有效的保護(hù)隱私數(shù)據(jù)。在來源清晰、責(zé)權(quán)明確、應(yīng)用有序的前提下，才能有效地開展教育大數(shù)據(jù)研究與應(yīng)用。

我國(guó)教育大數(shù)據(jù)領(lǐng)域正處于起步階段。教育大數(shù)據(jù)研究與應(yīng)用具有鮮明的特點(diǎn)，其發(fā)展需要將大數(shù)據(jù)技術(shù)與教育領(lǐng)域進(jìn)行深度融合。在“互聯(lián)網(wǎng)+”時(shí)代，為了更好地應(yīng)對(duì)教育大數(shù)據(jù)所面臨的一系列挑戰(zhàn)，我們認(rèn)為，目前迫切需要在體制與機(jī)制上，多方協(xié)同，各盡其力，以形成一種合力，如圖8所示。

　　圖8 教育大數(shù)據(jù)發(fā)展需要多方合力

具體來說，教育主管部門需要推動(dòng)教育大數(shù)據(jù)方面的相關(guān)法律、法規(guī)的制定，劃定邊界，明晰責(zé)權(quán)，建立更加全面的教育數(shù)據(jù)標(biāo)準(zhǔn)，為國(guó)家層面的大規(guī)模數(shù)據(jù)共享和分析奠定基礎(chǔ)。以學(xué)校為代表的教育機(jī)構(gòu)，需要提升數(shù)據(jù)驅(qū)動(dòng)教學(xué)與管理的意識(shí)，構(gòu)建綜合數(shù)據(jù)采集環(huán)境，并建立數(shù)據(jù)管理與應(yīng)用機(jī)制。一些研究機(jī)構(gòu)需要將教育科學(xué)與數(shù)據(jù)科學(xué)緊密結(jié)合，開展多學(xué)科協(xié)同研究，并注重研究成果的轉(zhuǎn)化。公司、企業(yè)則需要從教學(xué)與管理的整體流程出發(fā)，設(shè)計(jì)與開發(fā)多元化產(chǎn)品，并根據(jù)教育需求提供靈活可擴(kuò)展的定制化服務(wù)，從而共同促進(jìn)教育大數(shù)據(jù)的健康發(fā)展，更好地服務(wù)于教育事業(yè)。

參考文獻(xiàn)：

[1]Turck M.Is Big Data Still a Thing?(The 2016 Big Data Landscape)[EB/OL].[2016-02-01].http://mattturck.com/2016/02/01/big-data-landscape/.

[2]程學(xué)旗，靳小龍，王元卓，等.大數(shù)據(jù)系統(tǒng)和分析技術(shù)綜述[J].軟件學(xué)報(bào)，2014，(9)：1889-1908.

[3]與Hadoop對(duì)比，如何看待Spark技術(shù)?[EB/OL].[2016-04-06].https://www.zhihu.com/question/26568496.

[4]O'Brien J.Critical Factors for Data Lake Success[EB/OL].[2015-09-01].

http://www.teradatamagazine.com/v15n03/Tech2Tech/Critical-Factors-for-Data-Lake-Success/.

[5]Cisco.Fog Computing and the Internet of Things:Extend the Cloud to Where the Things Are[EB/OL].[2015-04-15].

http://www.cisco.com/c/dam/en_us/solutions/trends/iot/docs/computing-overview.pdf.

[6]Norton S.CIO Explainer:What Is Blockchain? The Wall Street Journal[EB/OL].[2016-02-02].

http://blogs.wsj.com/cio/2016/02/02/cio-explainer-what-is-hlockchain/.

[7]周明耀.Spark Streaming指南[EB/OL].[2015-08-03].http://www.ibm.com/developerworks/cn/opensource/os-cn-spark-streaming/index.html.

[8]Li F.Convolutional Neural Networks for Visual Recognition[EB/OL].[2016-01-20].http://cs23 ln.stanford.edu.

[9]劉紅，胡新和.數(shù)據(jù)革命：從數(shù)到大數(shù)據(jù)的歷史考察[J].自然辯證法通訊，2013，(6)：33-39，125-126.

[10]祝智庭，沈德梅.基于大數(shù)據(jù)的教育技術(shù)研究新范式[J].電化教育研究，2013，(10)：5-13.

[11]喻豐，彭凱平，鄭先雋.大數(shù)據(jù)背景下的心理學(xué)：中國(guó)心理學(xué)的學(xué)科體系重構(gòu)及特征[J].科學(xué)通報(bào)，2015，(5/6)：520-533.

[12]范長(zhǎng)煜，朱艷婷，高雅靜.大數(shù)據(jù)在社會(huì)科學(xué)中的價(jià)值：以DMSP/OLS夜間燈光數(shù)據(jù)為例[J].華東理工大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2016，31(1)：1-9.

[13]SAP.Roambi Analytic Understand Your Numbers[EB/OL].[2016-06-29].https://roambi.com/.

[14]Tableau.5 Steps to Self-Service Analytics that Scales[EB/OL].[2016-06-29].http://www.tableau.com/.

[15]國(guó)務(wù)院.國(guó)務(wù)院關(guān)于印發(fā)促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要的通知[EB/OL].[2015-09-05].http://www.gov.cn/zhengce/content/2015-09/05/content_10137.htm.

[16]Big Data-Wikipedia[EB/OL].[2016-06-29].https://en.wikipedia.org/wiki/Big_data.

[17]McKinsey Global Institute.Big Data:The Next Frontier for Innovation,Competition,and Productivity[EB/OL].[2016-06-15].

http://www.mckinsey.com/business-functions/business-technology/our-insights/big-data-the-next-frontier-for-innovation.

[18]Gartner.Big Data[EB/OL].[2016-06-29].http://www.gart ner.com/it-glossarybig-data/.

[19]鄭燕林，柳海民.大數(shù)據(jù)在美國(guó)教育評(píng)價(jià)中的應(yīng)用路徑分析[J].中國(guó)電化教育，2015，(7)：25-31.

[20]胡弼成，王祖霖.“大數(shù)據(jù)”對(duì)教育的作用、挑戰(zhàn)及教育變革趨勢(shì)——大數(shù)據(jù)時(shí)代教育變革的最新研究進(jìn)展綜述[J].現(xiàn)代大學(xué)教育，2015，(4)：98-104.

[21]楊現(xiàn)民，王榴卉，唐斯斯.教育大數(shù)據(jù)的應(yīng)用模式與政策建議[J].電化教育研究.2015，(9)：54-61，69.

[22]Edshelf.Masteryconnect Review[EB/OL].[2016-06-29].https://edshelf.com/tool/masteryconnect/.

[23]PAR.Predictive Analytics Reporting Framework[EB/OL].[2016-06-29].https://public.datacookbook.com/public/institutions/par.

[24]Kiesinger.Baker R.,Cunningham K.,et al.A Data Repository for the Leaming Science Community:The PSLC DataShop[J].Handbook of Educational Data Mining,2010.